x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.

Rozměr: px
Začít zobrazení ze stránky:

Download "x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b."

Transkript

1 1. Afinní podprostory 1.1. Motivace. Uvažujme R 3. Jeho všechny vektorové podprostory jsou počátek, přímky a roviny procházející počátkem a celé R 3. Chceme-li v R 3 dělat geometrii potřebujeme i jiné body, přímky a roviny. Všechny tyto útvary budou zahrnuty v pojmu afinní podprostor Afinní podprostor vektorového prostoru. Nechť U je vektorový prostor nad polem K. Afinní podprostor prostoru U je neprázdná množina M tvaru: M = A + V = {A + v, v V}, kde A U a V U je nějaký vektorový podprostor. Příklad. U = R 2. Každý bod v R 2 je tvaru A+{ 0 } a je tedy afinní podprostor. Každá přímka M v R 2 je tvaru: x 1 = a 1 + tv 1 tedy x 2 = a 2 + tv 2 (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b. R(A, b) = {x R n, Ax = b} je afinní podprostor, neboť je tvaru kde x 0 je nějaké řešení a je vektorový podprostor. R(A, b) = x 0 + R(A, 0) R(A, 0) = {y R n, Ay = 0} Příklad. U = R 2 [x] M = {p R 2 [x], p (1) = 2} je afinní podprostor, neboť M = {x 2 N + {q R 2 [x], q (1) = 0} Věta. Vektorový podprostor V v definici afinního podprostoru M je určen jednoznačně. Důkaz. Nechť M = A 1 + V 1 = A 2 + V 2, kde A 1, A 2 U a V 1, V 2 jsou vektorové podprostory v U. Potom existuje w 2 V 2 tak, že A 1 = A 2 +w 2 Tedy A 1 A 2 = w 2 V 2 Nechť v 1 V 1. Pak existuje v 2 V 2 tak, že A 1 + v 1 = A 2 + v 2 v 1 = (A 2 A 1 ) + v 2 = (A 1 A 2 ) + v 2 V 2 V 2 V 2 Dostáváme V 1 V 2 a analogicky V 2 V 1. 1

2 2 Definice. V v definici M nazýváme zaměření afinního podprostoru M, píšeme dim M = dim V Z(M) = V 1.3. Afinní kombinace bodů. A, B U určují přímku Lineární kombinace A + t(b A) = (1 t)a + tb sa + tb, t + s = 1 se nazývá afinní kombinace bodů. Nechť A 0, A 1,..., A k U. Afiní kombinace bodů A 0, A 1,..., A k je bod Tento bod lze pasát t i A i, kde t i = 1 (1 t 1 t k )A 0 +t 1 A 1 + +t k A k = A 0 +t 1 (A 1 A 0 )+t 2 (A 2 A 0 )+ +t k (A k A 0 ) Věta. Jestliže M U je afinní podprostor, pak s každými (k+1) body A 0, A 1,..., A k M leží v M i jejich afinní kombinace. Důkaz. M = A + V, A i = A + v i t i (A + v i ) = ( t i )A + t i v i = A + t i v i V neboť k t i = 1. Obrácená věta. Nechť M je neprázdná podmnožina ve vektorovém prostoru U, kdes každými dvěma body leží i jejich afinní kombinace. Pak je M afinní podprostor. Důkaz. Nechť A M. potom M = A + {B A, B M} Dokážeme, že V = {B A, B M} je vektorový podprostor. Nechť B A V, B M. Potom násobek tohoto vektoru t(b A) = (tb + (1 t)a) A V Nechť B A V, C A V, B, C M. Potom součet těchto vektorů M {}}{ 1 (B A) + (C A) = (B + C A) A = {2( 2 B C) A} A V M

3 Afinní podprostory 3 Geometrická interpretace předchozích vět. Neprázdná množina M je afinní podprostor, právě když s každými dvěma body A, B, leží v M i přímka jimi určená Parametrický popis afinního podprostoru M U Nechť M = A + V Nechť v 1, v 2,..., v k je báze vektorového podprostoru V. Potom každý vektor v V lze psát jednoznačně ve tvaru v = t 1 v 1 + t 2 v t k v k Tedy daždý bod X M lze psát jednoznačně ve tvaru X = A + v = A + t 1 v 1 + t 2 v t k v k k-tici (t 1, t 2,..., t k ) T nazýváme souřadnice bodu X v afinní bázi (A, v 1, v 2,..., v k ) afinního podprostoru M. Popis bodů afinního podprostoru ve tvaru ( ) se nazývá parametrický popis. Bod A se nazývá počátek souřadnic. Každý bod B B M může být počátkem souřadnic, neboť M = A + V = B + V Příklad. p: X = A + tv 1 - přímka Příklad. ρ: X = A + tv 1 + t 2 v 2 - rovina 1.5. Popis pomocí soustavy lineárních rovnic (implicitní popis) Nechť U máme nějakou bázi (u 1, u 2,..., u n ) = α se souřadnicemi (x 1, x 2,..., x n ) T. Nechť A je matice r+n. Potom množinu bodů X U jejichž souřadnice splňují soustavu lineárních rovnic Ax = b, označme ji R(A, b), je, pokud je neprázdná, afinní podprostor v U. Nechť M U má souřadnice z, které splňují rovnici Az = b. Nechť R(A, 0) = {v U, A(v) α = 0}. To je vektorový podprostor a platí R(A, b) = M + R(A, 0) Popis afinního podprostoru pomocí soustavy rovnic se nazývá někdy implicitní popis Příklad. Rovnice 2x 1 3x 2 + 5x 3 = 4 popisuje rovinu v R 3. Soustava 2x 1 3x 2 + 5x 3 = 4 x 1 + x 2 x 3 = 3 popisuje přímku v R 3. Přesvědčíme se o tom tak, že soustavu vyřešíme. Řešení napsané pomocí parametrů dává parametrický popis afinního podprostoru. Závěr. Soustava rovnic Ax = b zadává afinní podprostor právě když h(a) = h(a b). Pokud je tato podmínka splněna, pak dimenze tohoto podprostoru je n h(a), kde n je počet neznámých. Použijí se věty o řešení soustav rovnic. Věta. Každý afinní podprostor M v U je zadán jako množina bodů, jejichž souřadnice x 1, x 2,..., x n v bázi α = (u 1, u 2,..., u n ) prostoru U splňují nějakou soustavu lineárních rovnic Ax = b. Důkaz. M = M + t 1 v 1 + t 2 v t k v k, kde (v 1, v 2,..., v k ) je báze zaměření V. Pro souřadnice bodů X M tedy platí x = m + Ct, ( )

4 4 kde x = (x 1, x 2,..., x n ) T, m = (m 1, m 2,..., m n ) T, C je matice souřadnic vektorů v 1, v 2,..., v k, t = (t 1, t 2,..., t k ) T. Algoritmus Ex = Ct + m (E C m) elementární rádkové operace ( ) A1 C 1 b 1 A 0 b Operace provádíme tak, aby C přešla do schodovitého tvaru, všechny řádky C 1 jsou nenulové. Ex = Ct + m <=> A 1 x = C 1 t + b 1 Ax = b Tedy souřadnice x každého bodu X M splňují rovnice Ax = b. Nechť y je řešením výše uvedené rovnice. Položme C 1 1 (A 1y b 1 ) = t Pro toto t jsou splněny obě rovnice vpravo. Tedy y jsou souřadnice bodu z M Vzájemná poloha afinních podprostorů M a N (1) Jeden je podprostorem druhého M N, pokud M N a Z(M) Z(N ) (2) Rovnoběžné M N = a Z(M) Z(N ) nebo Z(N ) Z(M) (3) Různoběžné M N a neplatí ani Z(M) Z(N ) ani Z(N ) Z(M) (4) Mimoběžné M N = a neplatí ani Z(M) Z(N ) ani Z(N ) Z(M) 1.7. Operace s afinními podprostory M a N (1) Průnik M N je afinní podprostor, pokud je neprázdný, se zaměřením Z(M) Z(N ). (2) Spojení M N = nejmenší afinní podprostor obsahující afinní podprostory M a N. Pokud M = M + V N = N + Z pak M N = M + [N M] + V + Z vekt. podprostor Používá se takto: rovina určená bodem a přímkou je spojením těchto dvou afinních podprostorů Úkoly, které je třeba umět řešit přechod od implicitního popisu k parametrickému a obráceně průnik afinních podprostorů spojení afinních podprostorů vzájemná poloha afinních podprostorů

5 Afinní podprostory 5 nalezení afinního podprostoru daných vlastností (např.: najít přímku p procházející danám bodem A, protínající danou přímku q a danou rovinu ρ, mimoběžnou s q.) 1.9. Afinní zobrazení mezi podprostory M U a N V je zobrazení φ : M N tvaru, že φ(m +u) = N +ϕ(u) kde M M, u Z(M), N N a ϕ : Z(M) Z(N ) je lineární. Příklad. M = R n, N = R k. Zobrazení φ(x) = Ax + b kde A je matice k n a b = (b 1, b 2,..., b k ) T, je afinní, neboť φ(0 + x) = b + Ax lin. zobr.

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u

Více

6 Lineární geometrie. 6.1 Lineární variety

6 Lineární geometrie. 6.1 Lineární variety 6 Lineární geometrie Motivace. Pojem lineární varieta, který budeme v této kapitole studovat z nejrůznějších úhlů pohledu, není žádnou umělou konstrukcí. Příkladem lineární variety je totiž množina řešení

Více

Lineární algebra : Metrická geometrie

Lineární algebra : Metrická geometrie Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních

Více

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová. [1] Terminologie [2] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová matice.

Více

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení

Více

Soustavy linea rnı ch rovnic

Soustavy linea rnı ch rovnic [1] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení a) soustavy, 10, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l.

Více

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

Více

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28. INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.0141 Báze vektorových prostorů, transformace souřadnic Michal Botur Přednáška

Více

1 Soustavy lineárních rovnic

1 Soustavy lineárních rovnic 1 Soustavy lineárních rovnic 1.1 Základní pojmy Budeme uvažovat soustavu m lineárních rovnic o n neznámých s koeficienty z tělesa T (potom hovoříme o soustavě m lineárních rovnic o n neznámých nad tělesem

Více

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

3 Lineární kombinace vektorů. Lineární závislost a nezávislost 3 Lineární kombinace vektorů. Lineární závislost a nezávislost vektorů. Obrázek 5: Vektor w je lineární kombinací vektorů u a v. Vektory u, v a w jsou lineárně závislé. Obrázek 6: Vektor q je lineární

Více

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti: Zpracoval: hypspave@fel.cvut.cz. Základní vlastnosti abstraktních lineárních prostorů. Lineární závislost, nezávislost, báze, souřadnice vzhledem k bázi, matice lineárního zobrazení vzhledem k bázím.skalární

Více

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3, Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),

Více

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud

Více

1 Báze a dimenze vektorového prostoru 1

1 Báze a dimenze vektorového prostoru 1 1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější

Více

6. ANALYTICKÁ GEOMETRIE

6. ANALYTICKÁ GEOMETRIE Vektorová algebra 6. ANALYTICKÁ GEOMETRIE Pravoúhlé souřadnice bodu v prostoru Poloha bodu v prostoru je vzhledem ke třem osám k sobě kolmým určena třemi souřadnicemi, které tvoří uspořádanou trojici reálných

Více

Základní pojmy teorie množin Vektorové prostory

Základní pojmy teorie množin Vektorové prostory Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy

Více

14. přednáška. Přímka

14. přednáška. Přímka 14 přednáška Přímka Začneme vyjádřením přímky v prostoru Přímku v prostoru můžeme vyjádřit jen parametricky protože obecná rovnice přímky v prostoru neexistuje Přímka v prostoru je určena bodem A= [ a1

Více

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3 3.6. Vzájemná poloha lineárních útvarů v E 3 Výklad A. Vzájemná poloha dvou přímek Uvažujme v E 3 přímky p, q: p: X = A + ru q: X = B + sv a hledejme jejich společné body, tj. hledejme takové hodnoty parametrů

Více

Lineární algebra : Lineární prostor

Lineární algebra : Lineární prostor Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární

Více

2. kapitola: Euklidovské prostory

2. kapitola: Euklidovské prostory 2. kapitola: Euklidovské prostory 2.1 Definice. Euklidovským n-rozměrným prostorem rozumíme neprázdnou množinu E n spolu s vektorovým prostorem V n a přiřazením, které každému bodu a z E n a každému vektoru

Více

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1] [1] Afinní transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím využití například v počítačové grafice Evropský sociální fond Praha & EU. Investujeme do

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14. Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 14. Vlastní vektory Bud V vektorový prostor nad polem P. Lineární zobrazení f : V

Více

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti PROSTORY SE SKALÁRNÍM SOUČINEM Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx, y) = λ(x,

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě

Více

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity) 4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost

Více

1 Analytická geometrie

1 Analytická geometrie 1 Analytická geometrie 11 Přímky Necht A E 3 a v R 3 je nenulový Pak p = A + v = {X E 3 X = A + tv, t R}, je přímka procházející bodem A se směrovým vektorem v Rovnici X = A + tv, t R, říkáme bodová rovnice

Více

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK Brno, 017 Předmluva Text pokrývá látku, která je přednášena v učitelském studiu matematiky v předmětu M5510 "Teorie kuželoseček a kvadrik".

Více

10 Přednáška ze

10 Přednáška ze 10 Přednáška ze 17. 12. 2003 Věta: G = (V, E) lze nakreslit jedním uzavřeným tahem G je souvislý a má všechny stupně sudé. Důkaz G je souvislý. Necht v je libovolný vrchol v G. A mějme uzavřený eurelovský

Více

Cvičení z Lineární algebry 1

Cvičení z Lineární algebry 1 Cvičení z Lineární algebry Michael Krbek podzim 2003 2392003 Hodina Jsou dána komplexní čísla z = +2 i a w = 2 i Vyjádřete c algebraickém tvaru (z + w) 3,, (zw), z w 2 Řešte v komplexním oboru rovnice

Více

1 Řešení soustav lineárních rovnic

1 Řešení soustav lineárních rovnic 1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty

Více

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů... [1] Báze Každý lineární (pod)prostor má svou bázi Vzhledem ke zvolené bázi určujeme souřadnice vektorů... a) base, 4, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p.

Více

Obecná úloha lineárního programování

Obecná úloha lineárního programování Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné

Více

ALGEBRA. Téma 5: Vektorové prostory

ALGEBRA. Téma 5: Vektorové prostory SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)

Více

KMA/G1 GEOMETRIE 1 Pomocn y uˇ cebn ı text Miroslav L aviˇ cka Plzeˇ n, z aˇ r ı 2008

KMA/G1 GEOMETRIE 1 Pomocn y uˇ cebn ı text Miroslav L aviˇ cka Plzeˇ n, z aˇ r ı 2008 KMA/G1 GEOMETRIE 1 Pomocný učební text Miroslav Lávička Plzeň, září 2008 KMA/G1 Geometrie 1 2 Předmluva Tento text vznikl jako pomocný učební materiál pro potřeby studentů Fakulty aplikovaných věd a Fakulty

Více

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b, Obsah Lineární rovnice Definice 77 Uvažujme číselné těleso T a prvky a 1,, a n, b T Úloha určit všechny n-tice (x 1,, x n ) T n, pro něž platí n a i x i = a 1 x 1 + + a n x n = b, i=1 se nazývá lineární

Více

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru 2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních

Více

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi

Více

VZÁJEMNÁ POLOHA DVOU PŘÍMEK

VZÁJEMNÁ POLOHA DVOU PŘÍMEK VZÁJEMNÁ POLOHA DVOU PŘÍMEK VZÁJEMNÁ POLOHA DVOU PŘÍMEK p: a x b y c 0 q: a x b y c 0 ROVNOBĚŽNÉ PŘÍMKY (RŮZNÉ) nemají žádný společný bod, můžeme určit jejich vzdálenost, jejich odchylka je 0. Normálové

Více

9 Kolmost vektorových podprostorů

9 Kolmost vektorových podprostorů 9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.

Více

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava    luk76/la1 Lineární algebra 5. přednáška: Báze a řešitelnost soustav Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://homel.vsb.cz/ luk76/la1 Text

Více

7. Důležité pojmy ve vektorových prostorech

7. Důležité pojmy ve vektorových prostorech 7. Důležité pojmy ve vektorových prostorech Definice: Nechť Vje vektorový prostor a množina vektorů {v 1, v 2,, v n } je podmnožinou V. Pak součet skalárních násobků těchto vektorů, tj. a 1 v 1 + a 2 v

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

Lineární algebra : Změna báze

Lineární algebra : Změna báze Lineární algebra : Změna báze (13. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 8. dubna 2014, 10:47 1 2 13.1 Matice přechodu Definice 1. Nechť X = (x 1,..., x n ) a Y = (y 1,...,

Více

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ]

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ] 1. část 1. (u 1, u 2, u, u 4 ) je kladná báze orientovaného vektorového prostoru V 4. Rozhodněte, zda vektory (u, 2u 1 + u 4, u 4 u, u 2 ) tvoří kladnou, resp. zápornou bázi V 4. 0 2 0 0 0 0 0 1 0 2 0

Více

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s. 3.4. Výklad Předpokládejme, že v prostoru E 3 jsou dány body A, B, C neležící na jedné přímce. Těmito body prochází jediná rovina, kterou označíme ABC. Určíme vektory u = B - A, v = C - A, které jsou zřejmě

Více

Drsná matematika III 3. přednáška Funkce více proměnných: Inverzní a implicitně definovaná zobrazení, vázané extrémy

Drsná matematika III 3. přednáška Funkce více proměnných: Inverzní a implicitně definovaná zobrazení, vázané extrémy Drsná matematika III 3. přednáška Funkce více proměnných: Inverzní a implicitně definovaná zobrazení, vázané extrémy Jan Slovák Masarykova univerzita Fakulta informatiky 3. 10. 2011 Obsah přednášky 1 Literatura

Více

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2, Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se

Více

1 Připomenutí vybraných pojmů

1 Připomenutí vybraných pojmů 1 Připomenutí vybraných pojmů 1.1 Grupa Definice 1 ((Komutativní) grupa). Grupou (M, ) rozumíme množinu M spolu s operací na M, která má tyto vlastnosti: i) x, y M; x y M, Operace je neomezeně definovaná

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde

Více

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n [1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem

Více

Úvod do lineární algebry

Úvod do lineární algebry Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky

Více

Rovnice přímky v prostoru

Rovnice přímky v prostoru Rovnice přímky v prostoru Každá přímka v prostoru je jednoznačně zadána dvěma body. K vyjádření všech bodů přímky lze použít parametrické rovnice. Parametrická rovnice přímky p Pokud A, B jsou dva různé

Více

Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32

Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32 Matematika 1 12. přednáška MA1 1 Analytická geometrie v prostoru - základní pojmy 2 Skalární, vektorový a smíšený součin, projekce vektoru 3 Přímky a roviny 4 Vzdálenosti 5 Příčky mimoběžek 6 Zkouška;

Více

Lineární algebra : Báze a dimenze

Lineární algebra : Báze a dimenze Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme,

Více

ZÁKLADNÍ ZOBRAZOVACÍ METODY

ZÁKLADNÍ ZOBRAZOVACÍ METODY ZÁKLADNÍ ZOBRAZOVACÍ METODY Prostorové útvary zobrazujeme do roviny pomocí promítání, což je jisté zobrazení trojrozměrného prostoru (uvažujme rozšířený Eukleidovský prostor) do roviny, které je zadáno

Více

Matematika I 12a Euklidovská geometrie

Matematika I 12a Euklidovská geometrie Matematika I 12a Euklidovská geometrie Jan Slovák Masarykova univerzita Fakulta informatiky 3. 12. 2012 Obsah přednášky 1 Euklidovské prostory 2 Odchylky podprostorů 3 Standardní úlohy 4 Objemy Plán přednášky

Více

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. 4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,

Více

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK Obsah 1 KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU 7 1 Komplexní rozšíření vektorového prostoru........... 7 Komplexní rozšíření reálného afinního

Více

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R} Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální

Více

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

Necht L je lineární prostor nad R. Operaci : L L R nazýváme Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární

Více

Lineární algebra : Skalární součin a ortogonalita

Lineární algebra : Skalární součin a ortogonalita Lineární algebra : Skalární součin a ortogonalita (15. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních

Více

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 1. přednáška 22.9.2016 Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 19 Organizační pokyny přednášející:

Více

Arnoldiho a Lanczosova metoda

Arnoldiho a Lanczosova metoda Arnoldiho a Lanczosova metoda 1 Částečný problém vlastních čísel Ne vždy je potřeba (a někdy to není ani technicky možné) nalézt celé spektrum dané matice (velké řídké matice). Úloze, ve které chceme aproximovat

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory 5 Vlastní čísla a vlastní vektor Poznámka: Je-li A : V V lineární zobrazení z prostoru V do prostoru V někd se takové zobrazení nazývá lineárním operátorem, pak je přirozeným požadavkem najít takovou bázi

Více

IB112 Základy matematiky

IB112 Základy matematiky IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic

Více

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost

Více

Projektivní prostor a projektivní zobrazení

Projektivní prostor a projektivní zobrazení Kapitola 4 Projektivní prostor a projektivní zobrazení 4.1 Projektivní rozšíření eukleidovského prostoru Vlastnost býti incidentní v eukleidovském prostoru E 3 vykazuje nedostatek symetrie zatímco např.

Více

Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem

Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem Lineární prostory - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem - volné vektory a operace s nimi(sčítání, násobení reálným číslem) -ve 2 nebove 3 vázanévektorysespolečnýmpočátkem

Více

1 Vektorové prostory.

1 Vektorové prostory. 1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které

Více

10. Vektorové podprostory

10. Vektorové podprostory Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Definice. Bud V vektorový prostor nad polem P. Podmnožina U V se nazývá podprostor,

Více

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ 11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ Dovednosti: 1. Chápat pojmy orientovaná úsečka a vektor a geometrický význam součtu, rozdílu a reálného násobku orientovaných úseček a vektorů..

Více

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy)

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy) Euklidovský prostor Euklidovy Základy (pohled do historie) dnešní definice kartézský souřadnicový systém vlastnosti rovin v E n speciální vlastnosti v E 3 (vektorový součin) a) eprostor, 16, b) P. Olšák,

Více

Rovnice přímky. s = AB = B A. X A = t s tj. X = A + t s, kde t R. t je parametr. x = a 1 + ts 1 y = a 2 + ts 2 z = a 3 + ts 3. t R

Rovnice přímky. s = AB = B A. X A = t s tj. X = A + t s, kde t R. t je parametr. x = a 1 + ts 1 y = a 2 + ts 2 z = a 3 + ts 3. t R Rovnice přímky Přímka p je určená dvěma různými body (A, B)(axiom) směrový vektor nenulový rovnoběžný (kolineární) s vektorem s = AB = B A pro libovolný bod X na přímce platí: X A = t s tj. Vektorová rovnice

Více

Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy

Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Lukáš Havrlant Univerzita Palackého 10. ledna 2014 Primární zdroj Jiří Adámek: Foundations of Coding. Strany 137 160. Na webu ke stažení, heslo:

Více

Těleso racionálních funkcí

Těleso racionálních funkcí Těleso racionálních funkcí Poznámka. V minulém semestru jsme libovolnému oboru integrity sestrojili podílové těleso. Pro libovolné těleso R je okruh polynomů R[x] oborem integrity, máme tedy podílové těleso

Více

1 Lineární prostory a podprostory

1 Lineární prostory a podprostory Lineární prostory a podprostory Přečtěte si: Učebnice AKLA, kapitola první, podkapitoly. až.4 včetně. Cvičení. Které z následujících množin jsou lineárními prostory s přirozenými definicemi operací?. C

Více

6 Samodružné body a směry afinity

6 Samodružné body a směry afinity 6 Samodružné body a směry afinity Samodružnými body a směry zobrazení rozumíme body a směry, které se v zobrazují samy na sebe. Například otočení R(S má jediný samodružný bod, střed S, anemá žádný samodružný

Více

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz 1/15 ANALYTICKÁ GEOMETRIE Základní pojmy: Soustava souřadnic v rovině a prostoru Vzdálenost bodů, střed úsečky Vektory, operace s vektory, velikost vektoru, skalární součin Rovnice přímky Geometrie v rovině

Více

Základní vlastnosti eukleidovského prostoru

Základní vlastnosti eukleidovského prostoru Kapitola 2 Základní vlastnosti eukleidovského prostoru 2.1 Eukleidovský prostor Eukleidovský prostor a jeho podprostory. Metrické vlastnosti, jako např. kolmost, odchylka, vzdálenost, obsah, objem apod.

Více

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

Lineární programování

Lineární programování Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za

Více

1 Topologie roviny a prostoru

1 Topologie roviny a prostoru 1 Topologie roviny a prostoru 1.1 Základní pojmy množin Intervaly a okolí Intervaly v rovině nebo prostoru jsou obdélníky nebo hranoly se stranami rovnoběžnými s osami souřadnic. Podmnožiny intervalů se

Více

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m. Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n

Více

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

Více

UNIVERZITA PALACKÉHO V OLOMOUCI

UNIVERZITA PALACKÉHO V OLOMOUCI UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA Katedra algebry a geometrie Afinní zobrazení v příkladech Bakalářská práce Vedoucí práce: RNDr. Lenka Juklová, Ph.D. Rok odevzdání: 2013 Vypracoval:

Více

VZÁJEMNÁ POLOHA DVOU PŘÍMEK V ROVINĚ

VZÁJEMNÁ POLOHA DVOU PŘÍMEK V ROVINĚ VZÁJEMNÁ POLOHA DVOU PŘÍMEK V ROVINĚ Dvě přímky v rovině mohou být: různoběžné - mají jediný společný bod, rovnoběžné různé - nemají společný bod, totožné - mají nekonečně mnoho společných bodů. ŘEŠENÉ

Více

Lingebraické kapitolky - Analytická geometrie

Lingebraické kapitolky - Analytická geometrie Lingebraické kapitolky - Analytická geometrie Jaroslav Horáček KAM MFF UK 2013 Co je to vektor? Šipička na tabuli? Ehm? Množina orientovaných úseček majících stejný směr. Prvek vektorového prostoru. V

Více

Matice lineárních zobrazení

Matice lineárních zobrazení Matice lineárních zobrazení Nechť V, +, a W, +, jsou nenulové vektorové prostory konečných dimenzí n a m nad tělesem T, +,, nechť posloupnosti vektorů g 1, g 2,..., g n V a h 1, h 2,..., h m W tvoří báze

Více

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 = Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu

Více

GEOMETRIE PRO INFORMATIKY

GEOMETRIE PRO INFORMATIKY KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO GEOMETRIE PRO INFORMATIKY MICHAL KRUPKA VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ

Více

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m

Více

Afinní transformace Stručnější verze

Afinní transformace Stručnější verze [1] Afinní transformace Stručnější verze je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím body a vektory: afinní prostor využití například v počítačové grafice a)

Více

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008

Aritmetické vektory. Martina Šimůnková. Katedra aplikované matematiky. 16. března 2008 Aritmetické vektory Martina Šimůnková Katedra aplikované matematiky 16. března 2008 Martina Šimůnková (KAP) Aritmetické vektory 16. března 2008 1/ 34 Úvod 1Úvod Definice aritmetických vektorů a operací

Více

6. Lineární nezávislost a báze p. 1/18

6. Lineární nezávislost a báze p. 1/18 6. Lineární nezávislost a báze 6. Lineární nezávislost a báze p. 1/18 6. Lineární nezávislost a báze p. 2/18 Lineární nezávislost a báze 1. Závislé a nezávislé vektory 2. Lineární kombinace a závislost

Více

VĚTY Z LINEÁRNÍ ALGEBRY

VĚTY Z LINEÁRNÍ ALGEBRY VĚTY Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. věta Nechť M = {x 1, x 2,..., x k } je množina vektorů z vektorového prostoru

Více

Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál

Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál Jan Slovák Masarykova univerzita Fakulta informatiky 16. 9. 2008 Obsah přednášky 1 Literatura 2 Funkce a

Více

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u. Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl

Více

7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.

7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n. 7 Konvexní množiny Motivace. Lineární programování (LP) řeší problém nalezení minima (resp. maxima) lineárního funkcionálu na jisté konvexní množině. Z bohaté škály úloh z této oblasti jmenujme alespoň

Více